MétaCan
Menu
Retour à la cohorte
Enregistrement W2129048296 · doi:10.1017/s1537592706060221

Mexican Immigrant Political and Economic Incorporation

2006· article· en· W2129048296 sur OpenAlexaboutno aff
Frank D. Bean, Susan K. Brown, Rubén G. Rumbaut

Notice bibliographique

RevuePerspectives on Politics · 2006
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImmigrationPoliticsPolitical scienceDemographic economicsEconomics

Résumé

récupéré en direct d'OpenAlex

As the United States begins the twenty-first century, it remains the world's leading immigration country. In 2000 (the latest year for which migration data are available on a global basis) the United States was home to almost 35 million legal and unauthorized migrants, or 2.7 times as many as any other country. Although other nations have higher proportions of foreign-born residents (e.g., nearly 25 percent in Australia and 20 percent in Canada), the globally dominant position of the United States in regard to numbers of new immigrants reinforces its self-image as a “nation of immigrants,” as does the fact that immigration is generally seen as contributing to the country's economic and demographic strength. However, over the past three decades, more and more new arrivals with non-European origins have come to the country (more than four-fifths are Latino and Asian), many with very low levels of education and illegal status at entry. These changes have fueled public concerns and led to heated debates over whether U.S. admissions and settlement-related policies ought to be modified.Frank D. Bean is Professor of Sociology (fbean@uci.edu), Susan K. Brown is Assistant Professor of Sociology (skbrown@uci.edu),and Rubén G. Rumbaut is Professor of Sociology at University of California, Irvine (rrumbaut@uci.edu). Some of the research results reported in this paper come from a research project entitled “Immigration and Intergenerational Mobility in Metropolitan Los Angeles” and supported by a grant from the Russell Sage Foundation.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,001
Communication savante0,0030,001
Science ouverte0,0000,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0180,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,010
Tête enseignante GPT0,289
Écart entre enseignants0,278 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePerspectives on PoliticsMême sujetMigration and Labor DynamicsTravaux en français237 207